Desagregación temporal de la precipitación mediante Redes Neuronales Generativas Adversarias (GANs)

Abstract

En este proyecto se ha estudiado la generación de mapas horarios de precipitaciones a partir de mapas diarios utilizando Redes Neuronales Generativas Adversarias (GANs). El objetivo es analizar si utilizando GANs se puede simular mapas de precipitaciones horarios conservando la estructura de las precipitaciones a dicha resolución. Esto es conocido como desagregación temporal y es de gran utilidad para los casos donde se dispone únicamente de datos diarios y se quiere estudiar a una resolución temporal mayor (horaria) o para mejorar la caracterización de la lluvia con eventos que no han sucedido pero podrían ocurrir. El análisis se ha realizado en una pequeña región de Dinamarca. Para validar los resultados de la GAN, se han analizado diferentes estadísticos horarios que caracterizan la intensidad, frecuencia y estructura espacio-temporal de las precipitaciones. Los resultados muestran como el modelo estudiado es capaz de simular de forma precisa la intensidad de la lluvia pero no es capaz de reproducir correctamente la frecuencia y la estructura espacio-temporal de la precipitación observada.

In this project is studied the generation of hourly precipitation’s maps from maps with a daily time resolution by using Generative Adversarial Networks (GANs). The objective is to analyze how good GANs are capable of generate hourly precipitation maps preserving the structure of the ones observed. This process is known as temporal disaggregation which is highly valuable for example in cases where only daily precipitation data is available or for explore events that have not yet occurred in order to improve the characterization of the rainfall. Analysis is performed over a small region of Denmark. To validate the results, several statistics are calculated in order to study how good hourly precipitation’s maps generated are based on the intensity, frequency and space-time structure of them. Results show that intensity is well characterize but this model cannot reproduce frequency nor space-time structure correctly.